# Augmentacja obserwacji w RL z obrazu

EN: **Data augmentation for pixel-based reinforcement learning** · id `rlaugmentation` · aliases: image augmentation RL, augmentacja w RL

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie ze wzmocnieniem i decyzje](https://aiatlasgraph.com/t/decisions.md) › [Uogólnianie i adaptacja w RL](https://aiatlasgraph.com/t/rlgeneralization.md) › Augmentacja obserwacji w RL z obrazu

## Description

- PL: Regularyzacja RL z obserwacji wizualnych przez losowe przekształcenia obrazów z bufora doświadczeń, poprawiająca efektywność próbkową i odporność.
- EN: Regularising RL from visual observations through random transformations of replay-buffer images, improving sample efficiency and robustness.

## In one sentence

- PL: Agent uczący się z obrazu ogląda te same klatki lekko przesunięte lub zmienione, żeby nie przywiązywać się do szczegółów.
- EN: An agent learning from images sees the same frames slightly shifted or altered, so it doesn't cling to details.

## Problem it solves

- PL: Agent uczący się z obrazu potrzebuje bardzo wielu prób i łatwo zapamiętuje przypadkowe piksele zamiast tego, co ważne.
- EN: An agent learning from images needs a great many trials and easily memorises incidental pixels instead of what matters.

## What it does

- PL: Jak nauka rozpoznawania ptaków ze zdjęć robionych pod różnymi kątami: uwaga przenosi się z tła na samego ptaka.
- EN: Like learning birds from photos taken at different angles: attention moves from the background to the bird itself.

## Everyday example

- PL: Robot uczący się chwytać z kamery działa dalej, gdy kamerę ktoś lekko przestawi lub zmieni się oświetlenie.
- EN: A robot learning to grasp from a camera keeps working when someone nudges the camera or the lighting changes.

## This concerns you if you…

- PL: twój agent uczy się bezpośrednio z obrazu z kamery
- PL: masz mało prób i chcesz wycisnąć z nich więcej
- EN: your agent learns directly from camera images
- EN: you have few trials and want to get more from them

## Keywords

DrQ · DrQ-v2 · RAD · CURL · random shift · DeepMind Control Suite · Atari 100k

## How it works

- PL: Obrazy pobierane z bufora są losowo przekształcane, najskuteczniej przez przesunięcie o kilka pikseli z dopełnieniem krawędzi. W DrQ cel i oszacowanie Q uśrednia się po kilku augmentacjach, bez dodatkowych strat ani pretreningu; metodę stosuje się do SAC i DQN.
- EN: Images sampled from the buffer are randomly transformed, most effectively by shifting a few pixels with edge padding. DrQ averages Q targets and estimates over several augmentations without auxiliary losses or pretraining; it applies to SAC and DQN.

## Limits

- PL: Przekształcenie musi zachowywać sens zadania: przesunięcie szkodzi, gdy pozycja piksela ma znaczenie. Nie zastępuje różnorodności środowisk i słabo chroni przed dużymi zmianami wyglądu.
- EN: The transformation must preserve task meaning: shifting hurts when pixel position matters. It does not replace environment diversity and protects poorly against large appearance changes.

## Key terms

- PL: **random shift**: Przesunięcie obrazu o kilka pikseli z dopełnieniem krawędzi.
- PL: **sample efficiency**: Jak dużo agent osiąga przy danej liczbie prób.
- EN: **random shift**: Shifting an image by a few pixels with edge padding.
- EN: **sample efficiency**: How much an agent achieves for a given number of trials.

## Know first

- [Augmentacja danych (obraz i tekst) (Data augmentation for images and text)](https://aiatlasgraph.com/t/classicaugmentation.md)

## Sources

- [Image Augmentation Is All You Need: Regularizing Deep Reinforcement Learning from Pixels](<https://arxiv.org/abs/2004.13649>) `drq-2020` · by Ilya Kostrikov; Denis Yarats; Rob Fergus

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/rlaugmentation · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30